fix(ai-script): qwen3.7-max 结构化输出修复 + gemini 撤回关思考 + 超时兜底 + TTFT/latency 落账 + 价格表修正

- qwen3.7-max:DashScope 不强制 json_schema → 改 supportsStructuredOutputs:false + fetch 中间件强制
  response_format:json_object + enable_thinking:false;runner 从 outputSchema 自动注入英文 key 骨架
  (withQwenStructuredHint),否则模型自编 key 必 fail。
- 三档 schema 去掉 .min/.max/.length/.int 硬约束(对中文偏严,qwen 简洁输出被打回 too_small)→ 改 describe 软引导。
- gemini-3.5-flash 撤回 thinkingBudget:0(关思考会致结构化输出偶发 parse 失败);慢/卡由超时+重试+兜底兜住。
- 给 generateObject/streamObject 接 180s 超时(AI_REQUEST_TIMEOUT_SEC,原 60→180)防永久挂起。
- agent_invocations 加 ttft_ms / latency_ms(+migration),流式记首字、收尾记总耗时(对齐 Dify usage)。
- 价格表按官方页修正(¥/M):deepseek-v4-pro 0.03/3.13/6.26、flash 0.02/1.01/2.02、
  gemini-3.5-flash 1.08/10.8/64.8、qwen3.7-max 1.2/12/36(旗舰价,之前低估 5x)。
- 三档 promptVersion 随 schema 变更 bump。

Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>

apps/pac-service/prisma/migrations/20260608084503_add_invocation_ttft_latency/migration.sql

+-- AlterTable
+ALTER TABLE "agent_invocations" ADD COLUMN     "latency_ms" INTEGER,
+ADD COLUMN     "ttft_ms" INTEGER;

apps/pac-service/prisma/schema.prisma

@@ -1362,6 +1362,12 @@ model AgentInvocation {
   /// 没用 Int 分是因为单次调用常 <0.01 分,Int 精度全归零看不出差异。
   costYuan          Decimal @default(0) @map("cost_yuan") @db.Decimal(12, 6)
 
+  /// 首字延迟(ms)— 请求发起到第一个 token/partial 到达;仅流式有意义,非流式为 null。
+  /// 排查慢/卡用(如推理模型思考期 TTFT 高 → 前端空转);对齐 Dify usage.time_to_first_token。
+  ttftMs    Int? @map("ttft_ms")
+  /// 生成总耗时(ms)— LLM 调用净时长(发起→结束);落库便于聚合分析(对齐 Dify latency)。
+  latencyMs Int? @map("latency_ms")
+
   /// 状态(流式过程也归入 running,不单列):
   ///   running   — 进行中
   ///   succeeded — 完成

apps/pac-service/src/config/configuration.ts

@@ -33,7 +33,7 @@ export interface AppConfig {
     qwenApiKey: string;
     qwenBaseUrl: string;
     qwenDefaultModel: string;
-    /// LLM 调用上限(秒),防卡死
+    /// 单次 LLM 调用上限(秒),防卡死(安全网,默认 180;深度档每步各自计时)
     requestTimeoutSec: number;
     /// 价格表(¥/M tokens)— 从 AI_PRICE_TABLE_JSON env 读;调价时改 env 重启即可
     priceTable: Record<string, { inHit: number; inMiss: number; out: number }>;
@@ -73,7 +73,9 @@ export function loadConfig(): AppConfig {
       qwenApiKey: process.env.QWEN_API_KEY ?? process.env.DASHSCOPE_API_KEY ?? '',
       qwenBaseUrl: process.env.QWEN_BASE_URL ?? 'https://dashscope.aliyuncs.com/compatible-mode/v1',
       qwenDefaultModel: process.env.QWEN_DEFAULT_MODEL ?? 'qwen3.7-max',
-      requestTimeoutSec: Number(process.env.AI_REQUEST_TIMEOUT_SEC ?? 60),
+      // 单次 LLM 调用上限(秒)— 仅作"防永久挂起"安全网,不该卡正常请求。
+      // 取 180s:给 pro(慢·精细)+ 深度档单步留足余量;真挂起 3 分钟后失败 → 走模板兜底。
+      requestTimeoutSec: Number(process.env.AI_REQUEST_TIMEOUT_SEC ?? 180),
       priceTable: parsePriceTable(process.env.AI_PRICE_TABLE_JSON),
     },
     alert: {
@@ -104,14 +106,18 @@ export function loadConfig(): AppConfig {
  *   4. 新调用按新价计
  */
 function parsePriceTable(raw: string | undefined): Record<string, { inHit: number; inMiss: number; out: number }> {
+  // ⚠️ 价格核对于 2026-06(官方页):¥/M tokens。美元价按 ×7.2 折 RMB。
+  //   用各家**标准价**(不含限时促销,促销到期不会少报);要按实付/促销算 → 用 AI_PRICE_TABLE_JSON 覆盖。
+  //   DeepSeek:api-docs.deepseek.com/quick_start/pricing(V4-pro $0.003625/0.435/0.87、V4-flash $0.0028/0.14/0.28)
+  //   Gemini 3.5 Flash:$0.15/1.5/9.0(cache/in/out)
+  //   Qwen3.7-Max(百炼,RMB 直接):缓存输入 1.2 / 输入 12 / 输出 36;现有限时 5 折 = 6/18(促销价走 env)
   const DEFAULT = {
-    'deepseek-v4-pro':   { inHit: 0.5,  inMiss: 3.6, out: 25 },
-    'deepseek-v4-flash': { inHit: 0.07, inMiss: 0.5, out: 2 },
-    // Gemini Flash 估算价(×7.2 汇率)— 实际调价改 AI_PRICE_TABLE_JSON env
-    'gemini-3.5-flash':  { inHit: 0.54, inMiss: 2.16, out: 18 },
-    'gemini-2.5-flash':  { inHit: 0.54, inMiss: 2.16, out: 18 },
-    // Qwen Max(通义千问,DashScope)估算价(¥/M)— 实际调价改 AI_PRICE_TABLE_JSON env
-    'qwen3.7-max':       { inHit: 0.6,  inMiss: 2.4,  out: 9.6 },
+    'deepseek-v4-pro':   { inHit: 0.03, inMiss: 3.13, out: 6.26 },
+    'deepseek-v4-flash': { inHit: 0.02, inMiss: 1.01, out: 2.02 },
+    'gemini-3.5-flash':  { inHit: 1.08, inMiss: 10.8, out: 64.8 },
+    'gemini-2.5-flash':  { inHit: 1.08, inMiss: 10.8, out: 64.8 },
+    // Qwen3.7-Max 是旗舰最贵档(不是便宜模型):标准价 ¥/M 直接填
+    'qwen3.7-max':       { inHit: 1.2,  inMiss: 12,   out: 36 },
   };
   if (!raw) return DEFAULT;
   try {

apps/pac-service/src/modules/ai/ai-call-runner.service.ts

 import { Injectable, Logger } from '@nestjs/common';
 import { ConfigService } from '@nestjs/config';
 import { generateObject, streamObject } from 'ai';
+import { z, type ZodSchema } from 'zod';
 import type { Prisma } from '@prisma/client';
 import type { AppConfig } from '../../config/configuration';
 import { AiProviderService } from './core/ai-provider.service';
@@ -91,7 +92,7 @@ export class AiCallRunnerService {
     // ─── 2. 起 invocation ───
     const built = call.buildPrompt(input);
     const prompt = built.prompt;
-    const system = withQwenJsonHint(provider, built.system); // qwen(DashScope)结构化输出要求 prompt 含 "json"
+    const system = withQwenStructuredHint(provider, built.system, call.outputSchema); // qwen(DashScope)需把 key 骨架注入 prompt
     const invocationId = await this.recorder.start({
       ...this.baseStart(call, ctx, modelId, provider, inputHash, input, false),
       promptTemplate: prompt.length > 8000 ? prompt.slice(0, 8000) + '…[truncated]' : prompt,
@@ -109,10 +110,16 @@ export class AiCallRunnerService {
       let result: Awaited<ReturnType<typeof generateObject<any>>> | undefined;
       const MAX_ATTEMPTS = 2;
       let lastErr: unknown;
+      // 超时兜底(防 LLM 永久挂起 → 一直 running)。
+      // 注:gemini-3.5-flash 是推理模型、生成偏慢,但**不关它的思考**——实测 thinkingBudget:0
+      //     会致结构化输出偶发 parse 失败(且 gemini API 延迟本就抖)→ 让它正常思考更可靠,
+      //     慢/卡由 withTimeout(180s)+ 重试 + 模板兜底兜住。
+      const callSignal = withTimeout(ctx.signal, this.requestTimeoutMs());
+      const callStart = Date.now(); // 计时:非流式只有总耗时(latency),无 TTFT
       for (let attempt = 0; attempt < MAX_ATTEMPTS; attempt++) {
         try {
           // eslint-disable-next-line @typescript-eslint/no-explicit-any
-          result = await generateObject<any>({ model, schema: call.outputSchema, system, prompt, abortSignal: ctx.signal });
+          result = await generateObject<any>({ model, schema: call.outputSchema, system, prompt, abortSignal: callSignal });
           break;
         } catch (e) {
           lastErr = e;
@@ -164,6 +171,7 @@ export class AiCallRunnerService {
         cachedInputTokens,
         reasoningTokens,
         costYuan,
+        latencyMs: Date.now() - callStart,
         status: 'succeeded',
       });
 
@@ -209,7 +217,7 @@ export class AiCallRunnerService {
     const { model, provider, modelId } = this.provider.resolve(requestedModelId);
     const built = call.buildPrompt(input);
     const prompt = built.prompt;
-    const system = withQwenJsonHint(provider, built.system); // qwen(DashScope)结构化输出要求 prompt 含 "json"
+    const system = withQwenStructuredHint(provider, built.system, call.outputSchema); // qwen(DashScope)需把 key 骨架注入 prompt
 
     const invocationId = await this.recorder.start({
       ...this.baseStart(call, ctx, modelId, provider, inputHash, input, false),
@@ -230,11 +238,18 @@ export class AiCallRunnerService {
       let cachedInputTokens = 0;
       let reasoningTokens = 0;
       let providerMetadata: unknown = null;
+      // 超时兜底(防流式永久挂起 → 前端一直空转显示"停止")。gemini 不关思考(见 run() 注释)。
+      const callSignal = withTimeout(ctx.signal, this.requestTimeoutMs());
+      const callStart = Date.now(); // 计时:TTFT(首个内容 partial)+ latency(总耗时)
+      let firstPartialAt: number | undefined;
       for (let attempt = 1; attempt <= MAX_STREAM_ATTEMPTS; attempt++) {
         try {
           // eslint-disable-next-line @typescript-eslint/no-explicit-any
-          const stream = streamObject<any>({ model, schema: call.outputSchema, system, prompt, abortSignal: ctx.signal });
+          const stream = streamObject<any>({ model, schema: call.outputSchema, system, prompt, abortSignal: callSignal });
           for await (const partial of stream.partialObjectStream) {
+            if (firstPartialAt === undefined && partial && Object.keys(partial).length > 0) {
+              firstPartialAt = Date.now(); // 第一个有内容的 partial = 首字
+            }
             yield { type: 'partial', partial: partial as Partial<TOutput> };
           }
           // 等最终对象(解析失败在此抛)+ 计量(stream.object / usage 都是 Promise)
@@ -309,6 +324,8 @@ export class AiCallRunnerService {
         cachedInputTokens,
         reasoningTokens,
         costYuan,
+        ttftMs: firstPartialAt !== undefined ? firstPartialAt - callStart : undefined,
+        latencyMs: Date.now() - callStart,
         status: 'succeeded',
       });
       this.cache.set(inputHash, finalObj);
@@ -431,6 +448,11 @@ export class AiCallRunnerService {
    *
    * 同 prompt + 同输入连续调用时 cache hit 比例上升,实际成本明显低于纯 miss 价。
    */
+  /** LLM 单次调用超时(毫秒),来自 config(env AI_REQUEST_TIMEOUT_SEC,默认 60s)。 */
+  private requestTimeoutMs(): number {
+    return this.config.get('ai', { infer: true }).requestTimeoutSec * 1000;
+  }
+
   private estimateCostYuan(
     modelId: string,
     promptTokens: number,
@@ -448,12 +470,51 @@ export class AiCallRunnerService {
 }
 
 /**
- * qwen(DashScope compatible-mode)用 json_schema 结构化输出时,DashScope 硬性要求 prompt 出现 "json" 字样,
- * 否则 400(InvalidParameter: messages must contain the word 'json')。仅对 qwen 在 system 末尾补一句;
- * 其它 provider 原样返回。已含 json 字样则不重复加。
+ * qwen(DashScope compatible-mode)的结构化输出补丁 —— 仅对 qwen 生效,其它 provider 原样返回。
+ *
+ * 背景(实测 2026-06,qwen3.7-max):DashScope 不强制 json_schema,模型会自己编 key(甚至拿中文 describe 当 key)
+ *   → AI SDK 用 Zod 校验必 fail。修法:把 outputSchema 转成一份**显式英文 key 骨架**注入 system,
+ *   告诉 qwen "只能用这些英文 key + 这个嵌套结构";配合 provider 端 response_format=json_object
+ *   (见 ai-provider.service.ts),qwen 才稳定产出可校验的 JSON(实测 stable/standard/deep 三档均 100%)。
+ *   骨架文案含 "JSON" 字样,顺带满足 DashScope json_object 对 messages 含 "json" 的硬性要求。
+ */
+/**
+ * 给调用裹一道超时 —— 防 LLM 永久挂起(连接卡死 / 推理失控)导致 invocation 一直 running、前端一直转。
+ * 超时触发时 callSignal abort,但 ctx.signal(客户端断连)未 abort → runner 走正常 catch → 兜底模板,不是 aborted 分支。
  */
-function withQwenJsonHint(provider: string, system: string): string {
+function withTimeout(clientSignal: AbortSignal | undefined, ms: number): AbortSignal {
+  const timeout = AbortSignal.timeout(ms);
+  return clientSignal ? AbortSignal.any([clientSignal, timeout]) : timeout;
+}
+
+function withQwenStructuredHint(provider: string, system: string, schema: ZodSchema): string {
   if (provider !== 'qwen') return system;
-  if (/json/i.test(system)) return system;
-  return `${system}\n\n请严格以 JSON 格式输出结果。`;
+  const skeleton = JSON.stringify(jsonSchemaToSkeleton(z.toJSONSchema(schema)));
+  return (
+    `${system}\n\n【输出格式·硬约束】必须输出一个 JSON 对象,**严格使用下面骨架里的英文 key 与嵌套结构**` +
+    `(不要用中文 key、不要多余字段、不要 markdown 代码块);尖括号 <...> 处替换成实际内容:\n${skeleton}`
+  );
+}
+
+/**
+ * JSON Schema → 紧凑"示例骨架"(英文 key 保留、嵌套结构保留、说明降级为 <...> 值占位)。
+ * 给 qwen 看 key 骨架比给它看完整 JSON Schema 更稳(避免它把 description 当 key)。
+ */
+function jsonSchemaToSkeleton(node: unknown): unknown {
+  if (!node || typeof node !== 'object') return '<...>';
+  const n = node as Record<string, unknown>;
+  if (Array.isArray(n.enum)) return `<${(n.enum as unknown[]).join('|')}>`;
+  if (n.type === 'array') return [jsonSchemaToSkeleton(n.items)];
+  if (n.type === 'object') {
+    const out: Record<string, unknown> = {};
+    for (const [k, v] of Object.entries((n.properties as Record<string, unknown>) ?? {})) {
+      out[k] = jsonSchemaToSkeleton(v);
+    }
+    return out;
+  }
+  if (n.type === 'boolean') return '<true|false>';
+  if (n.type === 'integer' || n.type === 'number') {
+    return `<数字${n.description ? '·' + String(n.description) : ''}>`;
+  }
+  return `<${n.description ? String(n.description) : '文本'}>`;
 }

apps/pac-service/src/modules/ai/calls/draft-plan-script/tiers/deep/calls.ts

@@ -35,7 +35,7 @@ const VERIFY_SYSTEM = [
 export class DeepPlanCall implements AiCall<ScriptContext, DeepPlanZ> {
   readonly kind = 'script' as const;
   readonly callKey = 'draft_plan_script_plan';
-  readonly promptVersion = 'draft_plan_script@2026-06-06-deep-plan-v6'; // v2: 去 {} 替换占位(朴素 labeled facts)
+  readonly promptVersion = 'draft_plan_script@2026-06-08-deep-plan-v7'; // v7: schema 去硬约束(.min/.max → describe);v2: 去 {} 替换占位(朴素 labeled facts)
   readonly defaultModelId = 'deepseek-v4-flash';
   readonly outputSchema = DeepPlanSchema;
   buildPrompt(ctx: ScriptContext) {
@@ -47,7 +47,7 @@ export class DeepPlanCall implements AiCall<ScriptContext, DeepPlanZ> {
 export class DeepWriteCall implements AiCall<DeepWriteInput, DeepWriteZ> {
   readonly kind = 'script' as const;
   readonly callKey = 'draft_plan_script_write';
-  readonly promptVersion = 'draft_plan_script@2026-06-08-deep-write-v11'; // v11: repair 喂上一稿 + 逐条强约束(严格按自检 fix 改)
+  readonly promptVersion = 'draft_plan_script@2026-06-08-deep-write-v12'; // v12: schema 去硬约束(.min/.max → describe);v11: repair 喂上一稿 + 逐条强约束(严格按自检 fix 改)
   readonly defaultModelId = 'deepseek-v4-flash';
   readonly outputSchema = DeepWriteSchema;
   constructor(private readonly skillRegistry: DraftPlanScriptSkillRegistry) {}
@@ -65,7 +65,7 @@ export class DeepWriteCall implements AiCall<DeepWriteInput, DeepWriteZ> {
 export class DeepVerifyCall implements AiCall<DeepVerifyInput, DeepVerifyZ> {
   readonly kind = 'judge' as const;
   readonly callKey = 'draft_plan_script_verify';
-  readonly promptVersion = 'draft_plan_script@2026-06-06-deep-verify-v6'; // v2: 去 {} 替换占位(随 fact-block)
+  readonly promptVersion = 'draft_plan_script@2026-06-08-deep-verify-v7'; // v7: schema 去硬约束(.min/.max/.int → describe);v2: 去 {} 替换占位(随 fact-block)
   readonly defaultModelId = 'deepseek-v4-flash';
   readonly outputSchema = DeepVerifySchema;
   buildPrompt(input: DeepVerifyInput) {

apps/pac-service/src/modules/ai/calls/draft-plan-script/tiers/deep/schema.ts

@@ -3,6 +3,10 @@ import { ToneEnum, TONE_DESCRIBE } from '../../shared/tone';
 
 /**
  * 深度档 3 步各自的输出 schema(都过 AiCallRunner 的 generateObject 强约束)。
+ *
+ * ⚠️ 不加 .min()/.max()/.length()/.int() 等硬长度·范围约束 —— 段数 / 字数 / 评分范围
+ *   全部只作 prompt 软引导(写在 describe 里)。理由:硬约束对中文偏严,且 qwen3.7-max 这类
+ *   不强制 schema 的模型一旦长度/段数差一点就整体 fail 走兜底;形态靠 system + describe 引导即可。
  */
 
 // ── 步骤1:规划 ──
@@ -10,18 +14,14 @@ export const DeepPlanSchema = z.object({
   sections: z
     .array(
       z.object({
-        key: z.string().min(1).max(24).describe('段标识(英文短,仅内部串联,如 opening/missed_11/review/close)'),
-        title: z.string().min(2).max(20).describe('中文小标题(自然口语,贴这通电话)'),
-        intent: z.string().min(4).max(60).describe('这段要达成什么(一句话)'),
+        key: z.string().describe('段标识(英文短,仅内部串联,如 opening/missed_11/review/close)'),
+        title: z.string().describe('中文小标题(自然口语,贴这通电话,约 2-20 字)'),
+        intent: z.string().describe('这段要达成什么(一句话)'),
         points: z
-          .array(z.string().min(2).max(120))
-          .min(1)
-          .max(5)
-          .describe('要点(口语化,**每条都须来自给定患者信息/病历事实**,不编造)'),
+          .array(z.string())
+          .describe('要点(1-5 条,口语化,**每条都须来自给定患者信息/病历事实**,不编造)'),
       }),
     )
-    .min(3)
-    .max(7)
     .describe('话术大纲:按这通电话需要拆几段(开场→切入本次问题→可顺带的其他关心→复查邀约→结束;段数你定,3-7 段)'),
 });
 export type DeepPlanZ = z.infer<typeof DeepPlanSchema>;
@@ -32,17 +32,13 @@ export const DeepWriteSchema = z.object({
   sections: z
     .array(
       z.object({
-        title: z.string().min(2).max(20).describe('段小标题(贴这段内容,自然口语,别用刻板模板名)'),
+        title: z.string().describe('段小标题(贴这段内容,自然口语,别用刻板模板名,约 2-20 字)'),
         markdown: z
           .string()
-          .min(20)
-          .max(900)
-          .describe('该段话术正文。短句分行、行首 `•`;接地病历、不编造;时间用【时间段】占位;无大标题/表情'),
+          .describe('该段话术正文(约 20-400 字)。短句分行、行首 `•`;接地病历、不编造;时间用【时间段】占位;无大标题/表情'),
       }),
     )
-    .min(3)
-    .max(7)
-    .describe('按规划写出的多段话术(段数跟随规划)'),
+    .describe('按规划写出的多段话术(段数跟随规划,通常 3-7 段)'),
 });
 export type DeepWriteZ = z.infer<typeof DeepWriteSchema>;
 
@@ -52,20 +48,20 @@ export const DeepVerifySchema = z.object({
   issues: z
     .array(
       z.object({
-        section: z.string().min(1).max(30).describe('出问题的段标题或序号'),
-        problem: z.string().min(4).max(160).describe('问题:编造/接地不实(追不到事实)/安全越界(报价/承诺/写死时间/≤18拍片)'),
-        fix: z.string().min(4).max(160).describe('修法建议(回喂改写)'),
+        section: z.string().describe('出问题的段标题或序号'),
+        problem: z.string().describe('问题:编造/接地不实(追不到事实)/安全越界(报价/承诺/写死时间/≤18拍片)'),
+        fix: z.string().describe('修法建议(回喂改写)'),
       }),
     )
     .describe('逐条列出有问题的点;全部 OK 则空数组'),
   // ⭐ 质量评分(1-5)—— **只评好不好,跟 pass 无关**(pass 只看接地+安全)。仅落账供 eval / 版本对比,不卡生成。
   quality: z
     .object({
-      natural: z.number().int().min(1).max(5).describe('口语自然度:像真人一来一回,不书面/机器腔/念稿'),
-      warmth: z.number().int().min(1).max(5).describe('关怀温度:医疗关怀感,不冷淡也不推销'),
-      focus: z.number().int().min(1).max(5).describe('聚焦:紧扣本次问题、主线清晰,不发散'),
-      nonPushy: z.number().int().min(1).max(5).describe('不推销:邀约自然,不促单 / 不报价 / 不施压'),
-      overall: z.number().min(1).max(5).describe('综合质量分(1-5,可含半分,如 4.5)'),
+      natural: z.number().describe('口语自然度(1-5):像真人一来一回,不书面/机器腔/念稿'),
+      warmth: z.number().describe('关怀温度(1-5):医疗关怀感,不冷淡也不推销'),
+      focus: z.number().describe('聚焦(1-5):紧扣本次问题、主线清晰,不发散'),
+      nonPushy: z.number().describe('不推销(1-5):邀约自然,不促单 / 不报价 / 不施压'),
+      overall: z.number().describe('综合质量分(1-5,可含半分,如 4.5)'),
     })
     .describe('质量细项打分(1-5);只评质量,不影响 pass/issues'),
 });

apps/pac-service/src/modules/ai/calls/draft-plan-script/tiers/stable/schema.ts

@@ -11,29 +11,24 @@ import { ToneEnum, TONE_DESCRIBE } from '../../shared/tone';
 export const DraftPlanScriptSchema = z.object({
   tone: ToneEnum.describe(TONE_DESCRIBE),
 
+  // ⚠️ 不加 .min()/.max() 硬长度约束 —— 长度只作 prompt 软引导(写在 describe 里)。
+  //   历史踩坑:硬约束对中文偏严(中文信息密度高,qwen 写得简洁就被打回 too_small → 整段作废走兜底);
+  //   长度形态由 system 提示词 + describe 引导即可,不靠 schema 卡。
   opening: z
     .string()
-    .min(50)
-    .max(600)
-    .describe('第一部分·开场白。markdown,`• ` 短句分行。内容/顺序按系统提示词的模板,不要大标题/分隔符/表情。'),
+    .describe('第一部分·开场白(约 50-300 字)。markdown,`• ` 短句分行。内容/顺序按系统提示词的模板,不要大标题/分隔符/表情。'),
 
   informMissed: z
     .string()
-    .min(80)
-    .max(900)
-    .describe('第二部分·告知应治未治。**只讲本次一个 {应治未治项}**,温和提醒非推销;markdown `• ` 短句分行。'),
+    .describe('第二部分·告知应治未治(约 80-400 字)。**只讲本次一个 {应治未治项}**,温和提醒非推销;markdown `• ` 短句分行。'),
 
   reviewAdvice: z
     .string()
-    .min(80)
-    .max(900)
-    .describe('第三部分·复查建议。引导预约用【时间段1】【时间段2】占位、**不写死具体时间**;markdown `• ` 短句分行。'),
+    .describe('第三部分·复查建议(约 80-400 字)。引导预约用【时间段1】【时间段2】占位、**不写死具体时间**;markdown `• ` 短句分行。'),
 
   closing: z
     .string()
-    .min(40)
-    .max(500)
-    .describe('第四部分·结束回访语。含【预约成功】/【预约不成功】两种;时间用【具体预约时间】占位、不承诺、不写死。'),
+    .describe('第四部分·结束回访语(约 40-200 字)。含【预约成功】/【预约不成功】两种;时间用【具体预约时间】占位、不承诺、不写死。'),
 });
 
 export type DraftPlanScriptOutputZ = z.infer<typeof DraftPlanScriptSchema>;

apps/pac-service/src/modules/ai/calls/draft-plan-script/tiers/stable/stable.call.ts

@@ -65,7 +65,7 @@ export function stableTemplateFallback(input: DraftPlanScriptInput): DraftPlanSc
  * 改 system/prompt 文本 → bump 字母;改 schema → bump 日期。
  */
 const DRAFT_PLAN_SCRIPT_PROMPT_VERSION =
-  'draft_plan_script@2026-06-07-4module-v26'; // v26: 加画像精简版(⚠禁忌/治疗敏感/特别关注 + rfm/生命周期定语气;切入点留深度档,不诱导推销);v24: 治疗计划补 plannedTreatments(treatment_record planned 结构化;原只读常空的 emr.treatment_plan → 话术缺治疗计划);v23: common.md + 人群共性 SKILL 去 brace(原 {应治未治项}/{诊断医生}/{智能称呼} 改朴素措辞;稳健自身句位模板的 {} 不变,填空机制照常,行为基本不变);v22: 新老客改'熟络度'(recency为主+次数为辅,去二分标签,交LLM);v21: 开场日期改锚【最近一次就诊】(原误用诊断日,患者后来又来过会错位)+'来过之后'/告知'之前那次'区分;v20: schema describe 收口(去与模板矛盾的开场顺序/'下周'/负面例,只留段用途+关键约束)+ prompt/兜底 软化'下周'+ 修陈旧注释;v19: stable format.md 精简(去 common/机器闸重复、自查砍到高风险3条)+ 成人模板优化(去重/换标题/软化结束语);v18: base-common 精简合并去重 + 软化治疗方案口径(可点名/不报价不定细化/落点复查);v17: 目录重组(shared/+tiers/stable/)— base 拆 common+format、人群拆共性知识+稳健句位、病种文案归 stable phrasing、安全单一源 safety-rules、composer tier-aware;修开场顺序冲突。v16: 儿童模板复查段修复(删写死"3个月常规涂氟检查"→对齐本次{应治未治项}+用{复查时长},涂氟降级顺带);child SKILL 1.4.0;v15: user prompt 加"医生那次交代"(医嘱/建议/治疗计划,来自聚焦病历,仅引用不演绎);medicalRecord 补 recommendations;v14: user prompt 加 {牙位}(FDI→俗称)+ 本次目标(plan.goal)+ ≤18 禁拍片 belt;占位收口 {牙位}(删 【缺失牙位】);adult/child 模板带牙位;v13: 撤 token,人名去名留称呼(徐女士/韩医生 直接给,非 token);开场白先称呼确认对方再自报家门;v12: user prompt 人名脱敏(称呼/诊断医生/客服 用 token,生成后回填;监护人全名不进 prompt);v11: 统一通话称呼(年龄+性别+监护人,修"9岁张先生");监护人触达提示;医生标签 最后一次就诊→诊断医生;v10: 病种知识走 disease-knowledge 单一访问源(subKey 优先+文本兜底),修 颌骨囊肿 拿不到风险/优势的 bug;v9: 自报家门用登录客服 岗位+姓名(agent);v8: 占位符统一({}=替换、【】=原样保留);v7: 清除 user prompt 污染;v6: 清 system 污染;v5: 还原原模板
+  'draft_plan_script@2026-06-08-4module-v27'; // v27: schema 去硬长度约束(.min/.max → describe 软引导,修 qwen too_small 必失败);v26: 加画像精简版(⚠禁忌/治疗敏感/特别关注 + rfm/生命周期定语气;切入点留深度档,不诱导推销);v24: 治疗计划补 plannedTreatments(treatment_record planned 结构化;原只读常空的 emr.treatment_plan → 话术缺治疗计划);v23: common.md + 人群共性 SKILL 去 brace(原 {应治未治项}/{诊断医生}/{智能称呼} 改朴素措辞;稳健自身句位模板的 {} 不变,填空机制照常,行为基本不变);v22: 新老客改'熟络度'(recency为主+次数为辅,去二分标签,交LLM);v21: 开场日期改锚【最近一次就诊】(原误用诊断日,患者后来又来过会错位)+'来过之后'/告知'之前那次'区分;v20: schema describe 收口(去与模板矛盾的开场顺序/'下周'/负面例,只留段用途+关键约束)+ prompt/兜底 软化'下周'+ 修陈旧注释;v19: stable format.md 精简(去 common/机器闸重复、自查砍到高风险3条)+ 成人模板优化(去重/换标题/软化结束语);v18: base-common 精简合并去重 + 软化治疗方案口径(可点名/不报价不定细化/落点复查);v17: 目录重组(shared/+tiers/stable/)— base 拆 common+format、人群拆共性知识+稳健句位、病种文案归 stable phrasing、安全单一源 safety-rules、composer tier-aware;修开场顺序冲突。v16: 儿童模板复查段修复(删写死"3个月常规涂氟检查"→对齐本次{应治未治项}+用{复查时长},涂氟降级顺带);child SKILL 1.4.0;v15: user prompt 加"医生那次交代"(医嘱/建议/治疗计划,来自聚焦病历,仅引用不演绎);medicalRecord 补 recommendations;v14: user prompt 加 {牙位}(FDI→俗称)+ 本次目标(plan.goal)+ ≤18 禁拍片 belt;占位收口 {牙位}(删 【缺失牙位】);adult/child 模板带牙位;v13: 撤 token,人名去名留称呼(徐女士/韩医生 直接给,非 token);开场白先称呼确认对方再自报家门;v12: user prompt 人名脱敏(称呼/诊断医生/客服 用 token,生成后回填;监护人全名不进 prompt);v11: 统一通话称呼(年龄+性别+监护人,修"9岁张先生");监护人触达提示;医生标签 最后一次就诊→诊断医生;v10: 病种知识走 disease-knowledge 单一访问源(subKey 优先+文本兜底),修 颌骨囊肿 拿不到风险/优势的 bug;v9: 自报家门用登录客服 岗位+姓名(agent);v8: 占位符统一({}=替换、【】=原样保留);v7: 清除 user prompt 污染;v6: 清 system 污染;v5: 还原原模板
 
 @Injectable()
 export class DraftPlanScriptCall

apps/pac-service/src/modules/ai/calls/draft-plan-script/tiers/standard/schema.ts

@@ -18,19 +18,15 @@ export const StandardScriptSchema = z.object({
   sections: z
     .array(
       z.object({
+        // 不加 .min()/.max() 硬约束,长度/段数只作 describe 软引导(对中文偏严 + qwen3.7-max 简洁易误伤)
         title: z
           .string()
-          .min(2)
-          .max(20)
-          .describe('该段小标题:你自起、自然口语贴这通电话,别用"开场白/告知应治未治/复查建议/结束回访语"这类刻板模板名'),
+          .describe('该段小标题(约 2-20 字):你自起、自然口语贴这通电话,别用"开场白/告知应治未治/复查建议/结束回访语"这类刻板模板名'),
         markdown: z
           .string()
-          .min(30)
-          .max(900)
-          .describe('该段正文:分短句、行首 `•`;接地病历不编造;具体时间一律用【时间段】占位;无大标题/分隔符/表情'),
+          .describe('该段正文(约 30-400 字):分短句、行首 `•`;接地病历不编造;具体时间一律用【时间段】占位;无大标题/分隔符/表情'),
       }),
     )
-    .length(4)
     .describe(
       '固定 4 段(数组顺序即话术顺序);**角色/标题/每段讲什么都由你定,不要套固定段名**。一通回访通常覆盖:打招呼问近况 / 带出本次问题(隐患+趁早好处)/ 邀约来院复查(段尾含固定预约引导句)/ 简短收尾 —— 但怎么分、起什么标题由你决定。详细写法见 system 提示词。',
     ),

apps/pac-service/src/modules/ai/calls/draft-plan-script/tiers/standard/standard.call.ts

@@ -22,7 +22,7 @@ import { type DeepDraft, draftOutputToDeep } from '../deep/types';
  *
  * callKey 仍用 'draft_plan_script'(同一逻辑调用),档位差异落 promptVersion → eval 可按版本切档对比。
  */
-const STANDARD_PROMPT_VERSION = 'draft_plan_script@2026-06-07-standard-v13'; // v13: 加画像精简版(⚠禁忌/治疗敏感/特别关注 + rfm/生命周期定语气;切入点留深度档);v11: 病历补全(治疗计划=plannedTreatments 结构化 + 一般情况/处置/诊断说明,对齐页面 emr-soap);v10: format.md 去污染(删 tier 名/去模板对比/见 common.md 等解释性 meta,纯指令);流式输出(段数组 partial 边出边渲染);v9: 真去模板 — 4 固定角色字段 → 自由 sections[];v8: 去 {} 替换占位;v7: format 瘦身 + opening 放开 + closing 软化
+const STANDARD_PROMPT_VERSION = 'draft_plan_script@2026-06-08-standard-v14'; // v14: schema 去硬长度/段数约束(.min/.max/.length → describe 软引导);v13: 加画像精简版(⚠禁忌/治疗敏感/特别关注 + rfm/生命周期定语气;切入点留深度档);v11: 病历补全(治疗计划=plannedTreatments 结构化 + 一般情况/处置/诊断说明,对齐页面 emr-soap);v10: format.md 去污染(删 tier 名/去模板对比/见 common.md 等解释性 meta,纯指令);流式输出(段数组 partial 边出边渲染);v9: 真去模板 — 4 固定角色字段 → 自由 sections[];v8: 去 {} 替换占位;v7: format 瘦身 + opening 放开 + closing 软化
 
 @Injectable()
 export class StandardScriptCall implements AiCall<DraftPlanScriptInput, DeepDraft> {

apps/pac-service/src/modules/ai/core/ai-provider.service.ts

@@ -55,21 +55,25 @@ export class AiProviderService {
       this.logger.warn('QWEN_API_KEY(或 DASHSCOPE_API_KEY)未设置 — Qwen 调用会失败。到阿里云百炼 dashscope 申请');
     }
     // 通义千问走 DashScope OpenAI-兼容端点(compatible-mode)。
-    // DashScope 支持 OpenAI json_schema 严格模式(实测严格按 schema 返),但两个前提:
-    //   ① supportsStructuredOutputs: true → SDK 才发 response_format=json_schema(否则松散 json_object 不符 schema)
-    //   ② prompt 里必须出现 "json" 字样(DashScope 硬性校验)— 由 runner 对 qwen 注入(见 buildQwenSystem)
+    // ⚠️ 实测结论(2026-06,qwen3.7-max):
+    //   - DashScope 的 response_format=json_schema **不被强制执行** —— 即便 strict:true 也返 200 但 key 全自己编
+    //     (拿 .describe() 中文当 key)→ AI SDK 用 Zod 一校验必 fail。所以 supportsStructuredOutputs 关掉。
+    //   - 但 response_format=json_object **是认的**(保证纯 JSON、不裹 markdown);配合把"英文 key 骨架"
+    //     注入到 prompt(见 ai-call-runner.ts withQwenStructuredHint),qwen 才会用正确的 key。
+    //   - DashScope 用 json_object 时硬性要求 messages 含 "json" 字样(key 骨架文案已含"JSON")。
+    //   - qwen3.7-max 是推理模型:流式下 thinking 会污染 content → enable_thinking:false 关掉。
+    //   - 这两个参数 SDK 都不直接支持,统一用 fetch 中间件改 body 注入。
     this.qwen = createOpenAICompatible({
       name: 'qwen',
       apiKey: ai.qwenApiKey,
       baseURL: ai.qwenBaseUrl,
-      supportsStructuredOutputs: true,
-      // qwen3.7-max 是推理模型:流式下 thinking 会污染 content 流 → 结构化 JSON 解析失败。
-      // DashScope 用 body 里 enable_thinking:false 关思考(SDK 无此参数,用 fetch 中间件注入)。
+      supportsStructuredOutputs: false,
       fetch: (async (url: string | URL | Request, options?: RequestInit) => {
         if (options?.body && typeof options.body === 'string') {
           try {
             const b = JSON.parse(options.body) as Record<string, unknown>;
             b.enable_thinking = false;
+            b.response_format = { type: 'json_object' }; // DashScope 认 json_object(json_schema 不强制)
             options = { ...options, body: JSON.stringify(b) };
           } catch {
             /* 非 JSON body 不动 */

apps/pac-service/src/modules/ai/core/invocation-recorder.service.ts

@@ -45,6 +45,10 @@ export interface InvocationEndInput {
   /** 输出里 reasoning 部分(thinking 模式),completionTokens 已含,这里冗余 */
   reasoningTokens?: number;
   costYuan?: number;
+  /** 首字延迟(ms)— 仅流式有意义,非流式不传(留 null)*/
+  ttftMs?: number;
+  /** 生成总耗时(ms)— LLM 调用净时长 */
+  latencyMs?: number;
   status: 'succeeded' | 'failed' | 'cached';
   errorMessage?: string;
 }
@@ -96,6 +100,8 @@ export class InvocationRecorderService {
         cachedInputTokens: input.cachedInputTokens ?? 0,
         reasoningTokens: input.reasoningTokens ?? 0,
         costYuan: input.costYuan ?? 0,
+        ttftMs: input.ttftMs ?? null,
+        latencyMs: input.latencyMs ?? null,
         status: input.status,
         errorMessage: input.errorMessage ?? null,
         endedAt: new Date(),